MMAI Gym: Mit Liquid Foundation Models die Wirkstoffforschung revolutionieren

Ein neues arXiv‑Paper präsentiert das MMAI Gym for Science, ein umfassendes Toolkit, das große Sprachmodelle gezielt auf die Sprache der Moleküle trainiert. Während herkömmliche, allgemein ausgerichtete LLMs bei der Wirkstoffforschung oft an ihre Grenzen stoßen, zeigt die Studie, dass ein kleiner, speziell ausgebildeter Liquid Foundation Model (LFM) in vielen Schlüsselaufgaben die Leistung von deutlich größeren Modellen übertrifft.

Das MMAI Gym bietet standardisierte Datenformate, multimodale Eingaben und maßgeschneiderte Trainings- sowie Benchmarking‑Rezepte. Damit können Modelle effizient für Aufgaben wie molekulare Optimierung, ADMET‑Vorhersagen, Retrosynthese, Wirkstoff‑Ziel‑Aktivitätsvorhersage und funktionelle Gruppen‑Logik geschult werden.

Die Ergebnisse sind beeindruckend: Der LFM erreicht nahezu Spezialistenniveau und übertrifft in den meisten Szenarien größere, generische Modelle. Gleichzeitig bleibt er ressourcenschonender und vielseitiger einsetzbar, was ihn zu einer vielversprechenden Lösung für die praktische Wirkstoffentwicklung macht.